Question

我想使用R和sub提取符号周围的字符。我尝试了许多正则表达式，但我没有得到我想要的东西。

我的载体：

c("G>GA", "T>A", "G>A", "G>A", "A>T", "CT>C", "T>C", "T>C", "A>T", "T>C", "T>A", "A>G", "CCGCCGCGGCCGCCGTCTTCCACCAACAACATGGCGGA>C", "C>T", "T>A", "T>C", "T>G", "G>C", "T>G", "T>A", "G>A")

>之前和之后我只需要一个角色。

我最好的尝试是：

sub("(.*?)>", ">", aa, perl = TRUE)

Answer 1

您需要在正则表达式中使用捕获组：

vec <- c("G>GA", "T>A", "G>A", "G>A", "A>T", "CT>C", "T>C", "T>C", "A>T", "T>C", "T>A", "A>G", "CCGCCGCGGCCGCCGTCTTCCACCAACAACATGGCGGA>C", "C>T", "T>A", "T>C", "T>G", "G>C", "T>G", "T>A", "G>A")
> sub(".*(.)>(.).*","\\1\\2",vec)
 [1] "GG" "TA" "GA" "GA" "AT" "TC" "TC" "TC" "AT" "TC" "TA" "AG" "AC" "CT" "TA"
[16] "TC" "TG" "GC" "TG" "TA" "GA"

在单词中，正则表达式匹配任何零次或多次.*的内容，然后捕获下一个字符(.)，然后匹配大于号>，然后捕获下一个字符(.)和然后在末尾.*匹配任何零次或多次。将所有这些替换为两个捕获的字符\\1\\2。

Answer 2

提供可重复的示例

> x = c("A>G", "AT>GC")

找到您感兴趣的符号的索引（使用fixed=TRUE，因为您实际上并未查找正则表达式。）

> i = regexpr(">", x, fixed=TRUE)

然后提取前一个和/或后一个字符

> substr(x, i-1, i-1)
[1] "A" "T"
> substr(x, i+1, i+1)
[1] "G" "G"

或获取序列

> substr(x, i-1, i+1)
[1] "A>G" "T>G"

也许你可重复的例子包括边缘情况

> x = c("A>G", "AT>GC", "", ">G", "A>", ">", NA)

然后需要更多处理？

Answer 3

看起来您正在尝试获取参考和替代等位基因？只查找一个字符表明您只对SNP感兴趣？您可以使用strsplit生成ref和alt等位基因的数据框。

test <- c("G>GA", "T>A", "G>A", "G>A", "A>T", "CT>C", "T>C", "T>C", "A>T", "T>C", "T>A", "A>G", "CCGCCGCGGCCGCCGTCTTCCACCAACAACATGGCGGA>C", "C>T", "T>A", "T>C", "T>G", "G>C", "T>G", "T>A", "G>A")
Alleles <- data.frame(t(data.frame(sapply(test, function(x)   strsplit(x,split=">")))),row.names=NULL,stringsAsFactors=F)
colnames(Alleles) <- c("Ref","Alt")
Alleles$bases <- apply(Alleles,1,function(x) sum(length(unlist(strsplit(x[1],split=""))),length(unlist(strsplit(x[2],split="")))))
SNPs <- Alleles[Alleles$bases == 2,]

只需在替换（＆gt;）的任一侧取一个碱基就会给你错误的遗传信息。变体“CCGCCGCGGCCGCCGTCTTCCACCAACAACATGGCGGA＆gt; C”将减少为“A> C” - 它看起来像一个简单的SNP，但与最后38个碱基“CGCCGCGGCCGCCGTCTTCCACCAACAACATGGCGGA＆gt; - ”的删除相同。

这是你追求的吗？

提取R中符号周围的字符

3 个答案: